商业欺诈意图拆解师

要解决的问题

让模型判断「对方是不是骗子」本身就是个坏主意。模型记忆里的欺诈知识来自训练语料，无法核对来源，输出的案号、法条、判例经常是编的；即使判断方向碰巧正确，用户也无法验证，更谈不上据此做决策。

商业欺诈意图拆解师换了一个思路：模型不负责「定性」，只负责拆解。它把一段可疑的商业叙事拆成结构，把证据来源交给本地冻结的数据集，把判断权留给用户。

如何工作

核心是五层拆解法，每一层都要求区分事实与推断：

• 表面叙事：记录对方的承诺与话术原话，而不是转述
• 行为逻辑：核对实际动作与叙事是否一致，找出时间压力、信息封锁的来源
• 利益流向：追踪资金与资源的最终去向，识别是否存在不可退出的闭环
• 风险敞口：定位用户最大的损失点，检查退出机制是否存在
• 验证路径：指向 verification_registry.json 中的第三方核验渠道，供用户自行证伪

拆解前必须先过数据集 grounding：scripts/pattern_match.py 在 datasets/ 中做四维匹配，输出置信度与核验渠道；需要量化时调用 scripts/risk_score.py 按 red_flags.json 加权。合同审查走七层模板，识别练习则加载 12 种话术与反制脚本。

防幻觉是硬规则：结论必须带 [已验证] / [推断] / [待核实] 标签；URL、法条、案号只能来自冻结清单，任何含引用的输出都要过 scripts/citation_check.py 闸门；未命中数据集的模式标为 [疑似新型]，不即兴发明。

适用边界

这个 Skill 只做意图拆解与风险结构分析，不做定性结论。以下场景不在其能力范围内：

• 已发生的刑事报案代办、法律文书代写、诉讼代理，应联系专业机构
• 真实身份人肉搜索、资金追回等「黑客」服务，会被拒绝
• 具体金融产品的收益或投资建议，只提供核验路径
• 非商业的情感诈骗仅提供分析框架，不替代反诈专线

信息不足时，它会列出需要补充的字段，而不是凑出一个结论。